Négy versenytársat elemeztem nyilvános adatok alapján, magánstatisztikák nélkül

Az az feltételezés, hogy a jelentős konkurenciaelemzéshez magánszféra adatokhoz való hozzáférés szükséges, az egyik legmakacsabb mítosz a YouTube-készítői közösségben. A létrehozók megvizsgálják saját YouTube Studio irányítópultjaikat, látják a rendelkezésre álló gazdag magánstatisztikákat (videónkénti bevétel, kattintási arányok, közönség demográfiája, forgalomforrás-bontások), és feltételezik, hogy egy versenytárs irányítópultjához való hasonló hozzáférés nélkül az összes konkurenciaelemzés felszínes lesz. Ez a feltételezés téves. Az a bepillantás, amely nyilvánosan elérhető YouTube-adatokból kinyerhető, rendkívüli, és több mint elég az informált strategikus döntésekhez a tartalom, ütemezés és pozicionálás tekintetében. Az itt ismertetett elemzést négy közvetlen versenytárson végezték el ugyanabban az ökoszisztémában, kizárólag a csatorna-auditon és videó-címke API-kon keresztül feldolgozva a nyilvános csatorna- és videooldalakon látható adatokat.

A négy versenytársat egy egyszerű kritérium alapján választották ki: ezek voltak azok a csatornák, amelyek a leggyakrabban megjelentek az azonos ökoszisztémában lévő csatornák videóinak megtekintésekor ajánlott oldalsávban. A YouTube ajánlási algoritmusa olyan csatornákat mutat be, amelyek közönség-átfedéssel rendelkeznek, ami megbízható mutatóvá teszi az oldalsávot az igazi versenytársak azonosításához, a témák alapján úgy tűnő csatornákkal szemben, de valójában más közönség-szegmenst szolgálnak fel. A négy közül kettő nagyobb csatorna volt több mint 500 000 előfizetővel. Az egyik megközelítőleg azonos méretű volt az üzemeltetett csatornákkal. A negyedik egy kisebb csatorna volt, amely gyorsan nőtt, és úgy tűnt, hogy egy tanulmányozható stratégiát hajtott végre.

Ezt követően négy dimenzió szerinti szisztematikus elemzés történt: feltöltési minták, elköteleződési metrikák, címke és kulcsszó stratégiák, valamint tartalomrés-azonosítás. Minden dimenziót nyilvánosan elérhető adatok felhasználásával elemeztek, amelyeket az API-kon keresztül feldolgoztak, amelyek automatikusan számított metrikákat generálnak. Az összes csatorna közötti teljes elemzés egy óra alatt elvégezték. Azonos munka manuális végzésével, az egyes csatornák meglátogatásával, az egyes videók végigkattintásával és a metrikák táblázatban történő rögzítésével kb. két napot vett volna igénybe.

Feltöltési minták és mit mutatnak a termelési kapacitásról

Az elemzés első dimenziója a feltöltési gyakoriság és konzisztencia volt. A csatorna-audit API lekéri a közelmúltban feltöltött videók közzétételének dátumait, és ebből az adatból számítja az átlagos feltöltési gyakoriságot, a hét napja szerinti eloszlást, a napi mintákat és konzisztencia-metrikákat (mennyire változik a feltöltési ütemezés hétről hétre). Ezek a metrikák jóval nagyobb betekintést adnak, mint amennyire az első pillantásra tűnhetnek, mivel a feltöltési minták közvetlenül a csatorna termelési kapacitásának, tartalomstratégiájának és erőforrás-beruházásának a tükrözödése.

Az A versenytárs, a négyes közül a legnagyobb, több mint 800 000 előfizetővel, metronomikus következetességgel jelentetett meg: három videó hetente, minden hétfőn, szerdán és pénteken, körülbelül ugyanabban az időpontban. Ezt a mintát több mint tizennyolc hónapon keresztül fenntartották egyetlen szünet nélkül. Ez a konsisztencia szint egy termelőcsapatot jelent, nem pedig egy solo készítőt, egy hétre vagy hónapra előre tervezett tartalmi naptárat, és a feltöltési ütemezés fenntartásában való jelentős beruházást. Ezzel a csatornával versenyezni a feltöltési gyakoriság tekintetében termelési kapacitásuk egyeztetésére lenne szükség, ami nem volt megvalósítható vagy kívánatos. Helyette az a megállapítás volt, hogy kerüljük a feltöltést ugyanazokon a napokon, mivel az algoritmus friss tartalmat szolgálna fel a nagyobb versenytársaktól a közös közönség-szegmenshez ezen a meghatározott napon.

A B versenytárs teljesen más mintát mutatott: napi feltöltések sorozata, majd hetekig csend. Négy videó egy hétben, majd semmi tizenkét napig, majd hat videó tíz napban, majd egy három hetes szünet. Ez a minta egy solo készítőt sugall, aki kötegekben dolgozik, valószínűleg több videót felvesz és szerkeszt egy munkamenetben, és később feltölti azokat. A stratégiai implikáció eltérő volt az A versenytárstól. A B versenytárs szünete ablakokat képviselt, ahol a közös közönség alulszolgáltatott, és a feltöltéseket ezen szünetekre időzítve a közönséget nyerni lehet, amely egyébként kielégítetlen maradna. Az API idővonal-vizualizációja ezeket a réseket azonnal nyilvánvalóvá tette, míg a manuális elemzéshez a csatorna videólistáján való görgető és a közzétételi dátumok mentális térképezésére lenne szükség.

A C versenytárs havonta két csatornát fenntartott, de az utóbbi időben hétenként négyre gyorsult fel. Ez a gyorsulás, amely az utolsó nyolc hét adataiban látható az előző tizenkét hónaphoz képest, stratégiai eltolódást jelzett. Vagy új segítséget béreltek, megváltoztatták tartalomformátumukat valami gyorsabban termelhető dologra, vagy azt tesztelték, hogy a megnövekedett feltöltési gyakoriság felgyorsítja-e a növekedést. Ennek a változásnak az azt követő hetekben való megfigyelése azt mutatta volna meg, hogy a stratégia működik-e (az videónkénti nézetek fenntartásával vagy javításával) vagy kiégés (az esik mások által sugalmazott nézetek csökkenése, amely közönség-fáradságot vagy minőségromlást sugall). A kis, de gyorsan növekvő D versenytárs hetente egyszer publikált, de figyelemre méltóan hosszú videókkal (átlagosan harminc perc az ökoszisztéma átlagos tizenkét percéhez képest). Ez egy „mélység a gyakoriság felett" stratégiát sugallt, amely a videónkénti nézési időt helyezte előtérbe a teljes videoszám felett, amely érvényes megközelítés a YouTube algoritmusa teljes nézési időre súlyozódik.

Elköteleződési arányok és a méret megtévesztése

Az nyers előfizetői és nézet számok a YouTube-on a legláthatóbb metrikák, és szintén a legtévesztőek a konkurenciaelemzéshez. Az egyik millió előfizetővel rendelkező csatorna, amely videónként 20 000 nézetet kap, alapvetően gyengébb helyzetben van, mint az 50 000 előfizetővel rendelkező csatorna, amely videónként 15 000 nézetet kap, annak ellenére, hogy az első csatorna „nagyobbnak" tűnik minden felületes metrika által. A csatorna-statisztika API olyan elköteleződési arányokat számít ki, amelyek a teljesítményt a csatorna mérete alapján normalizálják, ezáltal feltárva az egyes csatornák valós egészségét és lendületét, függetlenül előfizetői számától.

Az elköteleződési arány kiszámítása az átlagos közelmúltbeli nézéseket az előfizetői szám alapján osztja, amely egy olyan százalékot keletkeztet, amely azt jelzi, hogy a csatorna előfizetőinek mekkora része tekint meg valóban új tartalmat. Az iparági átlagok az ökoszisztéma szerint változnak, de általában 2% és 10% között esnek az etablált csatornáknál. A magasabb arányok aktív, elkötelezett közönséget sugallnak, amely válaszol az új feltöltésekre. Az alacsonyabb arányok azt sugallnak, hogy az előfizetői bázis nagyrészt kikapta magát, talán egy viral pillanat alatt szerezve vagy egy stratégián keresztül (például ajándékokkal vagy sub4sub), amely előfizetőket termelt igazi érdeklődés nélkül.

A négy versenytárs közül a D versenytárs (a legkisebb csatorna) a legmagasabb elköteleződési aránnyal rendelkezett, 18,7% pontban. Az előfizetőik majdnem egyötöde megtekintette az egyes új videókat, amely figyelemre méltóan erős jele az közönség érdeklődésének. Az A versenytárs, annak ellenére, hogy messze a legnagyobb, csak 3,2% -os elköteleződési aránnyal rendelkezett. Ez nem katasztrofálisan alacsony az iparági normák szerint, de azt jelenti, hogy az előfizetői bázisuk 96,8% -a figyelmen kívül hagyja az egyes feltöltéseket. A B versenytárs elköteleződési aránya 5% és 25% között vadul ingadozott, összefüggésben azzal, hogy a videó témája egybeesett-e az alapvető ökoszisztémájukkal vagy egy kísérleti eltérést jelentett. A C versenytárs körülbelül 8% körül maradt, egészséges és következetes.

A stratégiai megállapítások jelentősek voltak. A D versenytárs a valós fenyegetés volt, annak ellenére, hogy a legkisebb csatorna. Az olyan magas elköteleződési arányuk azt jelentette, hogy a YouTube algoritmusa agresszíven népszerűsítette tartalmukat a nem-előfizetőket, hajtva a előfizetői trendvonalon látható gyors növekedést. Az „mélység a gyakoriság felett" stratégiájuk egyértelműen rezonált a közönséggel. Az A versenytárs, annak ellenére, hogy a nagyobb méretük, nagy, de közömbös előfizetői bázison nyugodott. Az állandó feltöltések az értesítésvezetett forgalmon keresztül fenntartottak egy alapvonalát a nézetekhez, nem pedig az algoritmikus előléptetésen keresztül. Ez azt jelentette, hogy az A versenytárssal versenyezni az algoritmikus ajánlásokért valójában könnyebb volt, mint az előfizetői szám azt sugallta volna, mivel az algoritmus elköteleződést előléptet, nem pedig történeti előfizetői számokat.

Címkézési stratégiák és a kulcsszavak, amelyek valóban működnek

A YouTube videó címkéi rejtve vannak a standard videooldal felületén. A nézők nem látják azokat. De nyilvánosan hozzáférhetőek a YouTube adatAPI-n keresztül, és a videó-címke API bármely nyilvános videóból kinyeri azokat. A címkék befolyásolják, hogyan kategorizálja és ajánlja a YouTube a tartalmat, az sikeres versenytársak címkézési stratégiáinak elemzése közvetlen ablakot nyújt az SEO-megközelítésükbe. Ez nem spekuláció arról, hogy milyen kulcsszavakat akarhatnak célozni. Valódi leltára a pontos feltételeknek, amelyeket a YouTube-nak az tartalommal való asszociálásra mondanak.

Az elemzés az egyes négy versenytárs húsz legújabb videóit fedte le, összesen nyolcvan videót. Az egyes videó teljes címkekészlete kibontása és az összesített címkék az ismétlődő minták azonosításához kerültek feldolgozásra. Az A versenytárs az átlagban 28 címkét használt videónként, következetesen tartalmazva a széles kategóriák címkéit (az ökoszisztéma neve, általános témakörí kulcsszavak), specifikus témakörí címkéket (a videó pontos tárgya) és márkajelzéseket (csatorna neve, sorozatnevek). Az ő címkézési stratégiája tankönyvszerű és módszeres volt, világosan valaki által kezelt, aki megértette a YouTube SEO alapjait. A B versenytárs jóval kevesebb címkét használt, átlagosan csak 8-at videónként, és azok gyakran általános egyetlen szavas kifejezések voltak, nem pedig az olyan hosszú farok kulcsszó kifejezések, amelyek a keresésben jobban teljesítenek. Ez egyértelmű gyenge pont volt az ő stratégiájukban, és azt magyarázza, hogy miért teljesítik jól videóik az előfizetők számára (akik tartalmat találnak az értesítéseken keresztül), de a keresési felderítésben rosszul.

A C versenytárs egyedi megközelítést használt: az ő címkéi versenytárs csatorna neveket és versenytárs videó címeket tartalmaztak kulcsszóként. Ez egy vitatott, de hatékony taktika, amely az ő videóit az „ajánlott" oldalsávban jelenítik meg, amikor a nézők versenytárs tartalmat néznek. Az API feltárta ezt a mintát a C versenytárs közelmúltbeli videóinak 90% -ában, világossá téve, hogy az ő növekedési stratégiája nagy mértékben az egyéb csatornáktól való forgalom rögzítésén alapult az ökoszisztémában. A D versenytárs a leghosszabb és legkonkrétabb címkefrazist használta, videónként átlagosan 35 címkét, közülük sok teljes kérdés vagy mondathosszú kifejezés volt, amely az ahhoz hasonló módot egyezik, ahogyan a felhasználók keresési lekérdezéseket írnak. Ez a hosszú farok stratégia összhangban volt az ő tartalmi megközelítésével, hogy átfogó, mélyreható videókat hozzon létre, amely megválaszolja az adott kérdéseket. Összesen ez a négy címkézési stratégia teljes képet adott, hogy az egyes versenytársak hogyan pozicionálják tartalmukat a YouTube felderítési rendszerén, az összes nyilvánosan elérhető metaadatokból.

Tartalomrések és a lehetőségek, amelyeket a versenytársak kihagynak

Az egész elemzésből a leghatékonyabb kimenet a tartalomrés-azonosítás volt. Azáltal, hogy az összes négy versenytárs által lefedett témákat a közelmúltbeli videóik alapján feltérképeztem, a rések, ahol egyik sem publukált tartalmat, nyilvánvalóvá váltak. Ezek a rések olyan témákat reprezentálnak, amelyekhez a közös közönség valószínűleg érdeklődik (az ökoszisztéma relevancia alapján), de jelenleg nem találja meg az egyik etablált csatorna kezeli sem. A tartalomnak, amely kitölti ezeket a réseket, létrehoz egy lehetőséget a keresésre való helyezéshez és ajánlást kell kapnie anélkül, hogy közvetlenül versenyezne az olyan videókkal a csatornákból, amelyeknek több szervezete van.

A folyamat egyszerű volt. A videó címei és leírások az összes nyolcvan elemzett videóból leskenneltek az ismétlődő témák és kulcsszavak keresésére. Az eredményes térkép sűrű klasztereket mutatott (az összes négy versenytárs által lefedett tárgyak, gyakran többször) és ritka régiókat (olyan tárgyakat, amelyek egy vagy két videóban szerepeltek legfeljebb, vagy egyáltalán nem). A sűrű klaszterek jól etablált tartalmi kategóriákat jeleztek, ahol a nézésekért való verseny intenzív. A ritka régiók olyan témákat jeleztek, amelyeket a versenytársak még nem fedeztek fel, szándékosan elkerültek (talán az alacsony érzékelt kereslet miatt), vagy terveztek a jövőben, de még nem értek el.

Ebből az elemzésből számos valóban ígéretes rés merült fel. Az a témakörí klaszter, amely az címkézési elemzésben többször jelent meg (az értékeltess a közönség kereséskeresletét sugallva), csak a D versenytárs által lett egyetlen videóban lefedve, és az a videó túlteljesítette csatorna átlagát 3x-szeresen. Ez a jelek kombinációja (magas keresési kereslet, valamint bizonyított teljesítmény, valamint minimális verseny) a tartalmi lehetőség legerősebb mutatója volt. Az ezt követő hetekben három videó készült, amely az adott témakörí klaszter variációit célozta meg, és az ő teljesítménye megerősítette az elemzést: mindhárom túlteljesítette a csatorna átlagát, az egyik a negyedév legjobban teljesítő videójává vált.

Az összes elemzés, a versenytárs-azonosítástól az adatgyűjtésen, a metrika-számításon, a címkézési kivonatmegsátmon és a tartalomrés-térképezésen keresztül, nyilvánosan elérhető adatok felhasználásával végeztem el, amelyet API-kon feldolgoztak. Nem fértek hozzá magánanalitikához, nincs szükség bejelentkezési adatokra, semmilyen szolgáltatási feltételyt nem sértett meg. Az elemzett versenytársak nem tudják, hogy az elemzés megtörtént, és a nyert megállapítások olyan részletesek és végrehajthatóak voltak, mint bármilyen belső elemzésarchiváló felülvizsgálat. Az a mítosz, hogy a konkurenciaelemzéshez magánszféra adatok hozzáférése szükséges, pontosan az: egy mítosz. Az adat nyilvános. Az eszközök feldolgozására léteznek. Az egyetlen kérdés az, hogy használni kell-e azokat.